双基地MIMO雷达收发角和径向速度联合估计

在双基地MIMO雷达信号模型基础上,提出一种新的目标收发角和径向速度联合估计方法。该方法首先将三参数估计问题转化为非对称联合对角化问题,然后采用最小二乘循环算法对其求解,估计收发导向矩阵和速度矩阵,最后利用谱分析算法恢复收发角和径向速度。同时采用截断高阶奇异值分解(THOSVD)对数据进行压缩处理,减小运算量。该方法充分利用匹配滤波输出的所有信息,无需二维谱峰搜索,每次循环均可得到精确的闭式解。与基于并行因子(PARAFAC)分析的方法相比,该方法可获得更高的参数估计精度,且三参数自动配对。仿真表明了方法的有效性。     

一种不需要源个数估计的MUSIC算法

MUSIC方法是阵列高分辨测向子空间方法中的经典算法,该算法的一个缺点就是需要进行源个数估计,源个数估计不正确将会导致虚假峰和漏峰.提出一种不需要源个数估计的MUSIC方法,该方法首先将快拍分组,对每一组的自相关进行特征值分解,以最小特征值对应的特征向量作为噪声向量,然后将搜索向量在每一组噪声向量上的投影构成新的矩阵,DOA对应的新矩阵将缺秩,根据新矩阵的缺秩程度来估计DOA.仿真结果证明了该方法的有效性.     

零陷展宽的递推实现方法

目前常用的零陷展宽算法都可以归纳到协方差矩阵锥化（CMT）的范畴,按常规计算方式,CMT法的运算量为O(M 3)。文章首先通过对CMT法中的锥化矩阵进行特征值分解,提出了一种递推实现的零陷展宽算法,将运算量降为O(JM 2) （J为锥化矩阵的秩）;将该递推方法与对角加载算法结合,大大提高了算法的鲁棒性;最后针对几种常用的锥化矩阵进行了分析,确定了Mailloux算法中虚拟干扰源的选取原则,对MZ算法的锥化矩阵进行了降秩近似,进一步降低了运算量。计算机仿真分析表明,递推CMT算法在与原算法性能相当的情况下运算速度大大提高,与对角加载算法结合后,可以以较低的运算量实现较好的稳健性。
     

基于张量子空间的信号参数估计算法

针对低信噪比条件下多通道信号特征参数估计问题,提出了两种基于张量子空间的信号参数估计算法,分别是基于矩阵堆叠的张量分解算法和基于张量矩阵因子的联合算法。通过研究参数化信号模型、信号子空间旋转不变性和张量范德蒙分解原理,分析了多通道数据的三维张量数据模型的构建;矩阵堆叠的张量分解算法验证了张量高阶奇异值分解是矩阵奇异值分解的推广,矩阵因子联合算法进一步提高了低信噪比条件下的信号参数估计精度。仿真以信号频率和初相位的估计精度为衡量指标,验证了低信噪比的条件下,张量子空间信号参数估计算法要优于传统的矩阵子空间信号参数估计算法。
     

基于RJ-MCMC的DS-CDMA信号扩频码与信息序列盲估计

针对非合作低信噪比环境下的DS-CDMA信号参数估计问题,在分析信号模型的基础上,提出一种基于可逆跳跃的马尔科夫链蒙特卡罗(RJ-MCMC)扩频序列和信息序列联合估计算法。该算法通过建立信号参数和用户个数的联合后验分布模型,迭代抽样得到待估分布的样本,并有效地在不同维数的子空间中跳转,从而构造一条马尔科夫链,使其平稳分布为待估参数的后验分布。仿真结果表明,该算法在功率相同和不同的条件下均能适应较低的信噪比,并且对不同的用户个数具有较强的适应性,同时算法的估计性能相对现有的方法也有很大的改善。     

色高斯噪声背景下相干信源DOA估计

为在色高斯噪声背景下估计相干信源DOA,提出一种基于四阶累积量的相干信源DOA估计算法。对各个阵元接收数据与参考阵元接收数据的四阶累积量进行排列,构造Toeplitz矩阵,该矩阵的秩仅等于信号个数,而与信号间的相干性无关。通过特征值分解得到信号子空间和噪声子空间,从而实现相干信源DOA估计。仿真实验结果表明,在色高斯噪声背景下,此算法能有效地估计出相干信源的DOA,并且相对于空间平滑算法具有更好的估计性能。     

基于Krylov子空间的宽带信号DOA快速估计方法

提出了一种基于Krylov子空间的宽带信号DOA（Direction of Arrival）快速估计方法。该方法首先对方向矩阵进行Jacobi—Anger展开来构造“聚焦”矩阵，然后通过多级维纳滤波（MSWF：Multi-Stage Weiner Filter）算法求得聚焦后的阵列协方差矩阵的Krylov子空间，因为在满足一定的条件下，Krylov子空间等价于阵列的信号子空间，所以可以求得信号的DOA。采用Jacobi-Anger展开式构造聚焦矩阵不需要进行角度的预估计，通过MSWF算法求Krylov子空间不需对观测数据的协方差矩阵进行特征值或奇异值分解，从而使得该方法运算量比常用的宽带空间谱估计方法要小。计算机仿真试验证实了方法的有效性。     

频域空域二维稀疏SIMO高分辨雷达成像方法

利用频域稀疏的线性调频步进信号（FSCS）作为雷达发射信号,并结合空域稀疏的SIMO雷达阵列来构建二维稀疏的高分辨雷达成像模型。针对该稀疏模型,首先通过对低维数据简单补零处理,然后利用图像熵准则完成对运动目标速度的有效估计。在此基础上,结合压缩感知理论,构造有效的观测矩阵、稀疏变换矩阵以及重构算法,获得目标高分辨距离像（HRRP）,进一步提出基于保相性的频域空域二维稀疏SIMO高分辨雷达成像方法。该方法可以大幅减少FSCS脉冲串的子脉冲个数,大幅减少SIMO高分辨雷达接收天线阵元个数,并获得高质量的HRRP和目标二维像。仿真实验验证了本文方法的有效性和鲁棒性。     

色高斯噪声背景下相干信源犇犗犃估计

为在色高斯噪声背景下估计相干信源 DOA,提出一种基于四阶累积量的相干信源 DOA 估计算法.对各个阵元接收数据与参考阵元接收数据的四阶累积量进行排列,构造Toeplitz矩阵,该矩阵的秩仅等于信号个数,而与信号间的相干性无关.通过特征值分解得到信号子空间和噪声子空间,从而实现相干信源 DOA 估计.仿真实验结果表明,在色高斯噪声背景下,此算法能有效地估计出相干信源的 DOA,并且相对于空间平滑算法具有更好的估计性能.     

基于FFDiag算法的变步长盲信号分离

基于快速Frobenius联合近似对角化（FFDiag）算法,提出了一种步长根据代价函数值大小变化的更新规则,使对角化的更新幅度随信号分离状态自适应变化。算法步长与信号分离状态相结合,具有收敛速度快和稳态误差小双重优点,仿真结果证实了算法的有效性。     

三重混合范数的L型嵌套阵列二维角度估计

针对L型嵌套阵列二维角度估计问题,提出一种三重混合范数块稀疏重构算法。首先,建立一种俯仰角和方位角可分离的二维稀疏测向模型,将两个维度采样点分块,分别计算联合协方差矩阵,二维角度估计问题被转化为联合协方差矩阵稀疏优化问题;为减小计算复杂度,建立三重混合范数块稀疏重构模型,利用交叉迭代的方法得到稀疏解,实现了二维角度估计,并且可以自动配对。仿真试验表明,三重混合范数稀疏重构算法能够有效估计多个辐射源的二维角度,分辨率较高,并且具有一定的鲁棒性。与传统算法相比,在低信噪比和小快拍数的条件下,均优于传统二维角度估计算法。     

基于投影矩阵搜索的相干源DOA估计算法

在强相关或相干信号源环境下，基于子空间分解的高分辨方法无法准确估计信号到达角，而许多传统的解相干方法，如空间平滑法等，会减少阵列的有效孔径，且只适用于具有移不变性的阵列结构。针对相干信源DOA估计问题，提出了一种基于投影矩阵搜索的DOA估计算法。首先根据阵列流型构造噪声子空间的投影矩阵，并将阵列接收信号投影到噪声子空间；然后通过遍历搜索所有可能的投影矩阵获得空间谱，进而得到相干源的DOA估计。该算法能有效进行相干信源DOA估计，与传统的相干源DOA估计方法相比，该算法不会减小阵列的有效孔径，且适用于任意阵列结构，并具有良好的估计精度和超分辨能力，但计算复杂度较高。通过仿真实验，验证了该算法的有效性，比较了该算法与传统算法的性能。     

一种面向临近空间高超声速再入滑翔目标跟踪算法

针对临近空间高超声速再入滑翔目标的跟踪问题,提出了一种基于回顾成本输入估计的无偏转换量测卡尔曼滤波(Retrospective cost input estimation-unbiased converted measurements Kalman filter, RCIE-UCMKF)。首先,根据再入滑翔目标的飞行特性,将加速度看成是未知的确定输入构建运动学跟踪模型;然后,对目标的非线性量测信息进行无偏转换,并将得到的噪声协方差矩阵进行解耦,降低算法的复杂度;最后,利用回顾成本的输入估计对未知加速度进行重构,采用递推最小二乘法更新输入估计器的参数矩阵,同时将估计的加速度引入到卡尔曼滤波框架下,实现对高超声速再入滑翔目标状态的准确估计。仿真结果表明了该算法的有效性和可行性。     

相干信源DOA估计的非对称加权空间平滑差分算法

提出了相干信源DOA估计的非对称加权空间平滑差分(UWSSD)算法。在空间平滑差分运算的基础上,对各子阵协方差矩阵采用非对称权值加权处理,破坏差分矩阵的负反对称特性,从而使信源差分协方差矩阵恢复为满秩。差分矩阵中不含相关噪声及非相关源信息,可利用它分辨相关及相干信源,而利用传统子空间算法分辨非相干信源,从而重复利用阵列接收数据,可分辨更多信源。通过分析差分矩阵的特点,提出了一种无需矩阵特征分解的快速算法。仿真结果表明,UWSSD算法具有较强的噪声抑制能力及信源过载能力。     

一种新的聚焦类宽带DOA估计算法

基于导向矢量矩阵的初等变换,给出了一种新的聚焦类宽带源波达方向（DOA）估计算法。新算法构造聚焦矩阵时不需要矩阵分解运算,从而使聚焦过程运算量更小。在理想条件下,新方法构造的聚焦矩阵可以在各个频率点实现完美聚焦。分析表明,新算法运算量要小于其它聚焦类宽带DOA估计算法。计算机仿真验证了该算法的有效性。     

基于分层人工鱼群的相干极化-DOA联合估计

智能优化算法是解决多维非线性优化问题、提高计算效率的有力工具。本文针对相干辐射源极化-空间角联合估计中计算量巨大的工程难题，以广义子空间拟合约束公式为代价函数，提出一种分层人工鱼群算法。该算法基于分层协同策略将鱼群分为底层和顶层，底层以人工鱼群算法进行全局搜索以保证种群多样性，顶层以粒子群算法进行局部搜索以加快收敛速度。仿真结果证明：分层人工鱼群算法能大幅降低广义子空间拟合的计算量，尤其是在较多目标的情况下。算法可有效提高计算效率，同时可提供优于传统人工鱼群算法的估计精度。     

非均匀信道增益控制的多载波卫星容量分析

设置转发器最佳增益,减小功放非线性影响,提高系统容量是多载波卫星通信系统容量分析的首要问题。对于数字信道化转发器,采用非均匀子信道增益调整的思想独立设置各信道增益可以有效消除大小载波抑制问题,提高卫星系统容量。为此,提出一种直接计算求解各子信道增益的算法。该方法不需要采用复杂的优化过程以及矩阵求逆,因此适合求解任意数量链路增益。理论推导得到链路最佳发射功率为地面站最大可提供功率,通过直接计算非线性等式即可获得各子信道最佳增益。同时考虑到功率利用率问题,通过选取转发器最佳工作点,在最小转发器输出功率准则下可以有效提高卫星功率的利用率。实验结果表明,该算法在具有与优化算法相近性能的同时降低了求解复杂度。     

基于互相关向量估计的自适应盲均衡算法

基于互相关估计的盲MMSE均衡算法以批处理方式估计信道输出向量和信道输入信号之间不同延时的互相关向量,得到MMSE均衡器系数。由于涉及到大型矩阵乘积,若在线实现,计算量较大。根据该算法对信道阶数过估计不敏感特性,推导出基于互相关向量估计的盲MMSE均衡的自适应实现算法。自适应算法将矩阵和矩阵相乘转换为矩阵和向量的相乘,大大减少了均衡系数更新计算量,计算量仅为O(K2)(K为矩阵维数)。仿真结果显示自适应算法的收敛性能远远优于目前存在的自适应算法。